受教育經(jīng)歷： [1]  2008/9-2012/7，南京工業(yè)大學(xué)，材料化學(xué)，學(xué)士 2012/9-2014/7，東北大學(xué)，材料學(xué)，碩士 2014/9-2018/7，東北大學(xué)，材料加工工程，博士 研究工作經(jīng)歷： 2018/11 - 2021/3，上海大學(xué)，材料科學(xué)與工程學(xué)院，師資博士后 2021/3 - 至今，東北大學(xué)，軋制技術(shù)及連軋自動化國家重點(diǎn)實(shí)驗(yàn)室，副教授 工業(yè)數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)、冶金流程智能化模型開發(fā)、熱軋帶鋼組織性能預(yù)測及工藝智能優(yōu)化 機(jī)器學(xué)習(xí) 本科生 智能制造 本科生 [1] 基于數(shù)據(jù)驅(qū)動和機(jī)理模型的熱軋微合金鋼組織性能集成預(yù)測及工藝協(xié)同優(yōu)化，國家自然科學(xué)基金青年基金（52104370），項(xiàng)目負(fù)責(zé)人 [1]  [2] 基于數(shù)據(jù)驅(qū)動和機(jī)理模型融合的熱軋帶鋼成分集約化生產(chǎn)策略研究，東北大學(xué)博士后科研基金（20210203），項(xiàng)目負(fù)責(zé)人 [3] 基于數(shù)據(jù)驅(qū)動的熱軋微合金鋼成分-工藝-性能協(xié)同優(yōu)化，中國博士后科學(xué)基金第65批面上資助（2019M651467），項(xiàng)目負(fù)責(zé)人 [4] 基于數(shù)據(jù)挖掘和機(jī)理模型的熱軋高強(qiáng)鋼質(zhì)量穩(wěn)定性分析理論及方法，遼寧省自然科學(xué)基金聯(lián)合基金（2019-KF-25-06），項(xiàng)目負(fù)責(zé)人 [5] 420-690MPa級別海工鋼在Mg、Ca脫氧條件下第二相粒子與組織協(xié)同調(diào)控的HAZ低溫韌化機(jī)理研究，國家自然科學(xué)基金重點(diǎn)項(xiàng)目聯(lián)合基金項(xiàng)目（U1960202），項(xiàng)目參與人 [6] 鞍鋼2150生產(chǎn)線集約化技術(shù)開發(fā)，企業(yè)項(xiàng)目，主要完成人 [7] 梅鋼鋼鐵智能制造方法的研究，企業(yè)項(xiàng)目，主要完成人 [8] 承鋼產(chǎn)品性能的智能分析和預(yù)測模型的開發(fā)，企業(yè)項(xiàng)目，參與人 [9] 首鋼京唐熱軋產(chǎn)線產(chǎn)品組織-性能-表面智能預(yù)測及工藝協(xié)同優(yōu)化系統(tǒng)開發(fā)，企業(yè)項(xiàng)目，參與人 [10] 漣鋼熱軋產(chǎn)線產(chǎn)品組織性能與表面氧化智能預(yù)測及工藝協(xié)同優(yōu)化系統(tǒng)開發(fā)，企業(yè)項(xiàng)目，參與人 [11] 基于數(shù)據(jù)驅(qū)動的高精度軋制負(fù)荷與寬厚控制模型開發(fā)，企業(yè)項(xiàng)目，參與人 [12] 鞍鋼5500mm寬厚板線產(chǎn)品成分-工藝-組織性能智能判定及工藝柔性設(shè)計(jì)系統(tǒng)開發(fā)，企業(yè)項(xiàng)目，參與人 [13] 鞍鋼朝陽鋼鐵熱軋產(chǎn)品組織性能預(yù)測及工藝優(yōu)化系統(tǒng)開發(fā)，企業(yè)項(xiàng)目，參與人 IEEE Access、Steel Research, International、Materials Express、Advances in Mechanical Engineering、Mathematical Problems in Engineering、Systems Science and Control Engineering、機(jī)械工程材料期刊審稿人 [1]  論文情況： [1]  [1] Wu Siwei, Yang Jian*. A convolutional neural network-based model for predicting lime utilization ratio in the KR desulfurization process [J]. Metallurgical Research & Technology, 2021,118(6): 603-613. [2] Wu Siwei, Yang Jian*, Cao Guangming. Prediction of Charpy V-notch impact energy of low carbon steel by using a shallow neural network and deep learning [J]. International Journal of Minerals, Metallurgy and Materials, 2021, 28(8): 1309-1320. [3] 楊健, 吳思煒*. 基于機(jī)器學(xué)習(xí)的鋼鐵軋制過程性能預(yù)測 [J]. 鋼鐵, 2021, 56(9): 1-9. [4] Wu Siwei, Yang Jian*, Liu Zhenyu. Composition-processing-property correlation mining of Nb-Ti microalloyed steel based on industrial data [J]. Materials Transactions, 2020, 61(4): 691-699. [5] Wu Siwei, Yang Jian*, Zhang Runhao, Ono Hideki. Prediction of endpoint sulfur content in KR desulfurization based on the hybrid algorithm combining artificial neural network with SAPSO [J]. IEEE Access, 2020, 8: 33778-33791. [6] Wu Siwei, Yang jian*, Cao Guangming, Qiu Yunlong, Cheng Guoguang. Yao Meiyi, Dong Jianxin. Elevating prediction accuracy for mechanical properties of hot-rolled strips by using semisupervised regression and deep learning [J]. IEEE Access, 2020, 8: 134124-134136. [7] Wu Siwei*, Ren Jiakuan, Zhou Xiaoguang, Cao Guangming, Liu Zhenyu, Yang Jian*. Comparisons of different data-driven modeling techniques for predicting tensile strength of X70 pipeline steels [J]. Transactions of the Indian Institute of Metals, 2019, 72(5): 1277-1288. [8] 劉振宇, 曹光明, 周曉光, 吳思煒, 王國棟. 組織性能預(yù)測技術(shù)及其在智能熱軋中的核心作用[J]. 軋鋼, 2019, 36(02): 1-7. [9] Wu Siwei, Zhou Xiaoguang, Ren Jiakuan, Cao Guangming, Liu Zhenyu*, Shi Naian. Optimal design of hot rolling process for C-Mn steel by combining industrial data-driven model and multi-objective optimization algorithm [J]. Journal of Iron and Steel Research, International, 2018, 25(7): 1-6. [10] 周曉光, 陳其源, 劉振宇, 吳思煒. Ti微合金化汽車大梁鋼510L動態(tài)再結(jié)晶行為[J]. 東北大學(xué)學(xué)報(自然科學(xué)版), 2018, 39(05): 624-629. [11] 陳其源, 周曉光, 劉振宇, 吳思煒. Ti微合金化汽車大梁鋼510L的組織性能[J]. 東北大學(xué)學(xué)報(自然科學(xué)版), 2018, 39(03): 339-344. [12] Wu Siwei*, Zhou Xiaoguang, Cao Guangming, Shi Naian, Liu Zhenyu*. High dimensional data-driven optimal design for hot strip rolling of microalloyed steel [J]. Steel Research International, 2018, 89(7): 1800015. [13] Wu Siwei, Cao Guangming, Zhou Xiaoguang, Shi Naian, Liu Zhenyu*. High Dimensional data-driven optimal design for hot strip rolling of C–Mn steels [J]. ISIJ International, 2017, 57(7): 1213-1220. [14] Wu Siwei, Liu Zhenyu*, Zhou Xiaoguang, Yang Hao, Wang Guodong. Precipitation behavior of Ti in high strength steels [J]. Journal of Central South University, 2017, 24(12): 2767-2772. [15] Wu Siwei, Zhou Xiaoguang, Cao Guangming, Liu Zhenyu, Shi Naian. Optimal design of hot rolling process for C-Mn steel based on industrial big data. STEELSIM 2017, Qingdao, China. [16] 任家寬, 吳思煒, 陳其源, 周曉光, 劉振宇. 含Ti微合金低碳鋼的力學(xué)性能及預(yù)測[C]//第十一屆中國鋼鐵年會論文集——S03. 軋制與熱處理, 2017: 650-656. [17] 任家寬, 吳思煒, 陳其源, 周曉光, 劉振宇. Ti含量對低碳鋼力學(xué)性能的影響[J]. 金屬熱處理, 2017, 42(06): 137-141. [18] Wu Siwei*, Zhou Xiaoguang, Chen Qiyuan, Ren Jiakuan, Cao Guangming, Liu Zhenyu. Development of constitutive models for extrapolative prediction of Nb–Ti micro alloyed steel [J]. Steel Research International, 2017, 88(11): 1700082. [19] Wu Siwei*, Zhou Xiaoguang, Cao Guangming, Liu Zhenyu, Wang Guodong. The improvement on constitutive modeling of Nb-Ti micro alloyed steel by using intelligent algorithms [J]. Materials and Design, 2017, 116: 676-685. [20] 吳思煒, 曹光明, 周曉光, 劉振宇*. 基于大數(shù)據(jù)的C-Mn鋼數(shù)據(jù)預(yù)處理及神經(jīng)網(wǎng)絡(luò)模型[J]. 東北大學(xué)學(xué)報（自然科學(xué)版）, 2016, 37(12): 1710-1714+1739. [21] 吳思煒, 劉振宇*, 周曉光, 史乃安. 基于大數(shù)據(jù)的力學(xué)性能預(yù)測與工藝參數(shù)篩選[J]. 鋼鐵研究學(xué)報, 2016, 28(12): 1-4. [22] 吳思煒, 周曉光, 曹光明, 史乃安, 劉振宇*, 王國棟. 熱軋C-Mn鋼工業(yè)大數(shù)據(jù)預(yù)處理對模型的改進(jìn)作用[J]. 鋼鐵, 2016, 51(05): 88-94+100. [23] 陳其源, 劉振宇, 周曉光, 吳思煒, 王國棟. 熱軋汽車大梁鋼生產(chǎn)現(xiàn)狀及其發(fā)展趨勢[J]. 軋鋼 ,2016, 33(02): 51-55. 專利情況： [1]劉振宇, 吳思煒, 周曉光, 曹光明, 陳其源, 任家寬. 一種C-Mn鋼工業(yè)大數(shù)據(jù)的挖掘方法[P]. 遼寧：ZL 201610127406.5. [2]劉振宇, 郭洪河, 周曉光, 喬立峰, 吳思煒, 徐小科, 曹光明, 魏春新, 吳迪, 高寶偉, 王國棟, 吳優(yōu), 王鵬, 周曉航, 繩鈺智. 一種抗拉強(qiáng)度610 MPa級汽車大梁鋼及其制備方法[P]. 遼寧：ZL201510241118.8. [3]劉振宇，周曉光，陳其源，郭洪河，吳思煒，王國棟. 一種540 MPa級Ti微合金化熱軋雙相鋼板及其制備方法[P]. 遼寧：ZL201810321051.2. [4]周曉光，劉振宇，郭洪河，陳其源，吳思煒，王國棟. 一種600 MPa級Ti微合金化熱軋雙相鋼板及其制備方法[P]. 遼寧：ZL201810321661.2. [5]劉振宇，周曉光，陳其源，吳思煒，王國棟. 一種抗拉強(qiáng)度600 MPa級薄規(guī)格熱軋雙相鋼及其制造方法[P]. 遼寧：ZL201810321018.X. [6]周曉光，劉振宇，陳其源，楊春宇，吳思煒，王國棟. 一種抗拉強(qiáng)度540 MPa級薄規(guī)格熱軋雙相鋼及其制造方法[P]. 遼寧：ZL201810320324.1. 軟件著作權(quán)： [1]基于熱連軋的智能多目標(biāo)工藝優(yōu)化設(shè)計(jì)軟件 [2]基于大數(shù)據(jù)神經(jīng)網(wǎng)絡(luò)的熱連軋熱軋產(chǎn)品力學(xué)性能預(yù)測軟件 [3]基于自適應(yīng)物理冶金學(xué)模型的熱連軋熱軋產(chǎn)品組織性能預(yù)測軟件